38-机器学习40讲 - 夸克搜-夸克资源搜索引擎
- 00丨开篇词丨打通修炼机器学习的任督二脉.html
- 01丨频率视角下的机器学习.html
- 03丨学什么与怎么学.html
- 04丨计算学习理论.html
- 05丨模型的分类方式.html
- 06丨模型的设计准则.pdf
- 10丨特征预处理.pdf
- 11丨基础线性回归：一元与多元.html
- 12丨正则化处理：收缩方法与边际化.html
- 13丨线性降维：主成分的使用.html
- 14丨非线性降维：流形学习.pdf
- 15丨从回归到分类：联系函数与降维.html
- 16丨建模非正态分布：广义线性模型.html
- 17丨几何角度看分类：支持向量机.html
- 18丨从全局到局部：核技巧.html
- 19丨非参数化的局部模型：K近邻.html
- 20丨基于距离的学习：聚类与度量学习.html
- 21丨基函数扩展：属性的非线性化.html
- 22丨自适应的基函数：神经网络.html
- 23丨层次化的神经网络：深度学习.html
- 24丨深度编解码：表示学习.html
- 25丨基于特征的区域划分：树模型.html
- 28丨最简单的概率图：朴素贝叶斯.html
- 29丨有向图模型：贝叶斯网络.html
- 30丨无向图模型：马尔可夫随机场.pdf
- 31丨建模连续分布：高斯网络.html
- 32丨从有限到无限：高斯过程.pdf
- 33丨序列化建模：隐马尔可夫模型.html
- 34丨连续序列化模型：线性动态系统.html
- 35丨精确推断：变量消除及其拓展.html
- 36丨确定近似推断：变分贝叶斯.html
- 37丨随机近似推断：MCMC.pdf
- 38丨完备数据下的参数学习：有向图与无向图.html
- 39丨隐变量下的参数学习：EM方法与混合模型.html
- 40丨结构学习：基于约束与基于评分.html
- 总结课丨贝叶斯学习的模型体系.html
- 38-机器学习40讲
- 01-开篇词 (1讲)
- 03-统计机器学习模型 (18讲)
扫码获取资源